推荐！国外程序员整理的机器学习资源大全

jopen 10年前

　　英文原文：awesome-machine-learning

　　本文汇编了一些机器学习领域的框架、库以及软件（按编程语言排序）。

　　C++

　　计算机视觉

  • CCV —基于C语言/提供缓存/核心的机器视觉库，新颖的机器视觉库
  • OpenCV—它提供C++， C, Python, Java 以及 MATLAB 接口，并支持 Windows, Linux， Android and Mac OS 操作系统。

　　通用机器学习

　　Closure

　　通用机器学习

　　Go

　　自然语言处理

  • go-porterstemmer—一个 Porter 词干提取算法的原生 Go 语言净室实现
  • paicehusk—Paice/Husk 词干提取算法的 Go 语言实现
  • snowball—Go 语言版的 Snowball 词干提取器

　　通用机器学习

  • Go Learn— Go 语言机器学习库
  • go-pr —Go 语言机器学习包.
  • bayesian—Go 语言朴素贝叶斯分类库。
  • go-galib—Go 语言遗传算法库。

　　数据分析/数据可视化

  • go-graph—Go 语言图形库。
  • SVGo—Go 语言的 SVG 生成库。

　　Java

　　自然语言处理

  • CoreNLP—斯坦福大学的 CoreNLP 提供一系列的自然语言处理工具，输入原始英语文本，可以给出单词的基本形式（下面 Stanford 开头的几个工具都包含其中）。
  • Stanford Parser—一个自然语言解析器。
  • Stanford POS Tagger —一个词性分类器。
  • Stanford Name Entity Recognizer—Java 实现的名称识别器
  • Stanford Word Segmenter—分词器，很多 NLP 工作中都要用到的标准预处理步骤。
  • Tregex， Tsurgeon and Semgrex —用来在树状数据结构中进行模式匹配，基于树关系以及节点匹配的正则表达式（名字是“tree regular expressions”的缩写）。
  • Stanford Phrasal:最新的基于统计短语的机器翻译系统， java 编写
  • Stanford Tokens Regex—用以定义文本模式的框架。
  • Stanford Temporal Tagger—SUTime 是一个识别并标准化时间表达式的库。
  • Stanford SPIED—在种子集上使用模式，以迭代方式从无标签文本中学习字符实体
  • Stanford Topic Modeling Toolbox —为社会科学家及其他希望分析数据集的人员提供的主题建模工具。
  • 推ter Text Java—Java 实现的推特文本处理库
  • MALLET -—基于 Java 的统计自然语言处理、文档分类、聚类、主题建模、信息提取以及其他机器学习文本应用包。
  • OpenNLP—处理自然语言文本的机器学习工具包。
  • LingPipe —使用计算机语言学处理文本的工具包。

　　通用机器学习

  • MLlib in Apache Spark—Spark 中的分布式机器学习程序库
  • Mahout —分布式的机器学习库
  • Stanford Classifier —斯坦福大学的分类器
  • Weka—Weka 是数据挖掘方面的机器学习算法集。
  • ORYX—提供一个简单的大规模实时机器学习/预测分析基础架构。

　　数据分析/数据可视化

  • Hadoop—大数据分析平台
  • Spark—快速通用的大规模数据处理引擎。
  • Impala —为 Hadoop 实现实时查询

　　Javascript

　　自然语言处理

  • 推ter-text-js —JavaScript 实现的推特文本处理库
  • NLP.js —javascript 及 coffeescript 编写的 NLP 工具
  • natural—Node 下的通用 NLP 工具
  • Knwl.js—JS 编写的自然语言处理器

　　数据分析/数据可视化

　　通用机器学习

  • Convnet.js—训练深度学习模型的 JavaScript 库。
  • Clustering.js—用 JavaScript 实现的聚类算法，供 Node.js 及浏览器使用。
  • Decision Trees—Node.js 实现的决策树，使用 ID3 算法。
  • Node-fann —Node.js 下的快速人工神经网络库。
  • Kmeans.js—k-means 算法的简单 Javascript 实现，供 Node.js 及浏览器使用。
  • LDA.js —供 Node.js 用的 LDA 主题建模工具。
  • Learning.js—逻辑回归/c4.5 决策树的 JavaScript 实现
  • Machine Learning—Node.js 的机器学习库。
  • Node-SVM—Node.js 的支持向量机
  • Brain —JavaScript 实现的神经网络
  • Bayesian-Bandit —贝叶斯强盗算法的实现，供 Node.js 及浏览器使用。

　　Julia

　　通用机器学习

  • PGM—Julia 实现的概率图模型框架。
  • DA—Julia 实现的正则化判别分析包。
  • Regression—回归分析算法包（如线性回归和逻辑回归）。
  • Local Regression —局部回归，非常平滑！
  • Naive Bayes —朴素贝叶斯的简单 Julia 实现
  • Mixed Models —（统计）混合效应模型的 Julia 包
  • Simple MCMC —Julia 实现的基本 mcmc 采样器
  • Distance—Julia 实现的距离评估模块
  • Decision Tree —决策树分类器及回归分析器
  • Neural —Julia 实现的神经网络
  • MCMC —Julia 下的 MCMC 工具
  • GLM —Julia 写的广义线性模型包
  • Online Learning
  • GLMNet —GMLNet 的 Julia 包装版，适合套索/弹性网模型。
  • Clustering—数据聚类的基本函数：k-means, dp-means 等。
  • SVM—Julia 下的支持向量机。
  • Kernal Density—Julia 下的核密度估计器
  • Dimensionality Reduction—降维算法
  • NMF —Julia 下的非负矩阵分解包
  • ANN—Julia 实现的神经网络

　　自然语言处理

　　数据分析/数据可视化

  • Graph Layout —纯 Julia 实现的图布局算法。
  • Data Frames Meta —DataFrames 的元编程工具。
  • Julia Data—处理表格数据的 Julia 库
  • Data Read—从 Stata、SAS、SPSS 读取文件
  • Hypothesis Tests—Julia 中的假设检验包
  • Gladfly —Julia 编写的灵巧的统计绘图系统。
  • Stats—Julia 编写的统计测试函数包
  • RDataSets —读取R语言中众多可用的数据集的 Julia 函数包。
  • DataFrames —处理表格数据的 Julia 库。
  • Distributions—概率分布及相关函数的 Julia 包。
  • Data Arrays —元素值可以为空的数据结构。
  • Time Series—Julia 的时间序列数据工具包。
  • Sampling—Julia 的基本采样算法包

　　杂项/演示文稿

　　

　　Lua

　　

　　通用机器学习

  • Torch7
  • cephes —Cephes 数学函数库，包装成 Torch 可用形式。提供并包装了超过 180 个特殊的数学函数，由 Stephen L. Moshier 开发，是 SciPy 的核心，应用于很多场合。
  • graph —供 Torch 使用的图形包。
  • randomkit—从 Numpy 提取的随机数生成包，包装成 Torch 可用形式。
  • signal —Torch-7 可用的信号处理工具包，可进行 FFT, DCT, Hilbert, cepstrums, stft 等变换。
  • nn —Torch 可用的神经网络包。
  • nngraph —为 nn 库提供图形计算能力。
  • nnx—一个不稳定实验性的包，扩展 Torch 内置的 nn 库。
  • optim—Torch 可用的优化算法库，包括 SGD, Adagrad, 共轭梯度算法， LBFGS, RProp 等算法。
  • unsup—Torch 下的非监督学习包。提供的模块与 nn (LinearPsd, ConvPsd, AutoEncoder, …)及独立算法 (k-means, PCA)等兼容。
  • manifold—操作流形的包。
  • svm—Torch 的支持向量机库。
  • lbfgs—将 liblbfgs 包装为 FFI 接口。
  • vowpalwabbit —老版的 vowpalwabbit 对 torch 的接口。
  • OpenGM—OpenGM 是 C++ 编写的图形建模及推断库，该 binding 可以用 Lua 以简单的方式描述图形，然后用 OpenGM 优化。
  • sphagetti —MichaelMathieu 为 torch7 编写的稀疏线性模块。
  • LuaSHKit —将局部敏感哈希库 SHKit 包装成 lua 可用形式。
  • kernel smoothing —KNN、核权平均以及局部线性回归平滑器
  • cutorch—torch 的 CUDA 后端实现
  • cunn —torch 的 CUDA 神经网络实现。
  • imgraph—torch 的图像/图形库，提供从图像创建图形、分割、建立树、又转化回图像的例程
  • videograph—torch 的视频/图形库，提供从视频创建图形、分割、建立树、又转化回视频的例程
  • saliency —积分图像的代码和工具，用来从快速积分直方图中寻找兴趣点。
  • stitch —使用 hugin 拼合图像并将其生成视频序列。
  • sfm—运动场景束调整/结构包
  • fex —torch 的特征提取包，提供 SIFT 和 dSIFT 模块。
  • OverFeat—当前最高水准的通用密度特征提取器。
  • Numeric Lua
  • Lunatic Python
  • SciLua
  • Lua – Numerical Algorithms
  • Lunum

　　演示及脚本

  • Core torch7 demos repository.核心 torch7 演示程序库
  • 线性回归、逻辑回归
  • 人脸检测（训练和检测是独立的演示）
  • 基于 mst 的断词器
  • train-a-digit-classifier
  • train-autoencoder
  • optical flow demo
  • train-on-housenumbers
  • train-on-cifar
  • tracking with deep nets
  • kinect demo
  • 滤波可视化
  • saliency-networks
  • Training a Convnet for the Galaxy-Zoo Kaggle challenge (CUDA demo)
  • Music Tagging—torch7 下的音乐标签脚本
  • torch-datasets 读取几个流行的数据集的脚本，包括：
  • BSR 500
  • CIFAR-10
  • COIL
  • Street View House Numbers
  • MNIST
  • NORB
  • Atari2600 —在 Arcade Learning Environment 模拟器中用静态帧生成数据集的脚本。

　　Matlab

　　计算机视觉

  • Contourlets —实现轮廓波变换及其使用函数的 MATLAB 源代码
  • Shearlets—剪切波变换的 MATLAB 源码
  • Curvelets—Curvelet 变换的 MATLAB 源码（Curvelet 变换是对小波变换向更高维的推广，用来在不同尺度角度表示图像。）
  • Bandlets—Bandlets 变换的 MATLAB 源码

　　自然语言处理

  • NLP —一个 Matlab 的 NLP 库

　　通用机器学习

　　数据分析/数据可视化

  • matlab_gbl—处理图像的 Matlab 包
  • gamic—图像算法纯 Matlab 高效实现，对 MatlabBGL 的 mex 函数是个补充。

　　

　　.NET

　　计算机视觉

  • OpenCVDotNet —包装器，使 .NET 程序能使用 OpenCV 代码
  • Emgu CV—跨平台的包装器，能在 Windows, Linus, Mac OS X, iOS, 和 Android 上编译。

　　自然语言处理

  • Stanford.NLP for .NET —斯坦福大学 NLP 包在 .NET 上的完全移植，还可作为 NuGet 包进行预编译。

　　通用机器学习

  • Accord.MachineLearning —支持向量机、决策树、朴素贝叶斯模型、K-means、高斯混合模型和机器学习应用的通用算法，例如：随机抽样一致性算法、交叉验证、网格搜索。这个包是 Accord.NET 框架的一部分。
  • Vulpes—F#语言实现的 Deep belief 和深度学习包，它在 Alea.cuBase 下利用 CUDA GPU 来执行。
  • Encog —先进的神经网络和机器学习框架，包括用来创建多种网络的类，也支持神经网络需要的数据规则化及处理的类。它的训练采用多线程弹性传播。它也能使用 GPU 加快处理时间。提供了图形化界面来帮助建模和训练神经网络。
  • Neural Network Designer —这是一个数据库管理系统和神经网络设计器。设计器用 WPF 开发，也是一个 UI，你可以设计你的神经网络、查询网络、创建并配置聊天机器人，它能问问题，并从你的反馈中学习。这些机器人甚至可以从网络搜集信息用来输出，或是用来学习。

　　数据分析/数据可视化

  • numl —numl 这个机器学习库，目标就是简化预测和聚类的标准建模技术。
  • Math.NET Numerics—Math.NET 项目的数值计算基础，着眼提供科学、工程以及日常数值计算的方法和算法。支持 Windows, Linux 和 Mac 上的 .Net 4.0, .Net 3.5 和 Mono ，Silverlight 5, WindowsPhone/SL 8, WindowsPhone 8.1 以及装有 PCL Portable Profiles 47 及 344 的 Windows 8， 装有 Xamarin 的 Android/iOS 。
  • Sho —Sho 是数据分析和科学计算的交互式环境，可以让你将脚本（IronPython 语言）和编译的代码（.NET）无缝连接，以快速灵活的建立原型。这个环境包括强大高效的库，如线性代数、数据可视化，可供任何 .NET 语言使用，还为快速开发提供了功能丰富的交互式 shell。

　　Python

　　计算机视觉

  • SimpleCV—开源的计算机视觉框架，可以访问如 OpenCV 等高性能计算机视觉库。使用 Python 编写，可以在 Mac、Windows 以及 Ubuntu 上运行。

　　自然语言处理

  • NLTK —一个领先的平台，用来编写处理人类语言数据的 Python 程序
  • Pattern—Python 可用的 web 挖掘模块，包括自然语言处理、机器学习等工具。
  • TextBlob—为普通自然语言处理任务提供一致的 API，以 NLTK 和 Pattern 为基础，并和两者都能很好兼容。
  • jieba—中文断词工具。
  • SnowNLP —中文文本处理库。
  • loso—另一个中文断词库。
  • genius —基于条件随机域的中文断词库。
  • nut —自然语言理解工具包。

　　通用机器学习

  • Bayesian Methods for Hackers —Python 语言概率规划的电子书
  • MLlib in Apache Spark—Spark 下的分布式机器学习库。
  • scikit-learn—基于 SciPy 的机器学习模块
  • graphlab-create —包含多种机器学习模块的库（回归，聚类，推荐系统，图分析等），基于可以磁盘存储的 DataFrame。
  • BigML—连接外部服务器的库。
  • pattern—Python 的 web 挖掘模块
  • NuPIC—Numenta 公司的智能计算平台。
  • Pylearn2—基于 Theano 的机器学习库。
  • hebel —Python 编写的使用 GPU 加速的深度学习库。
  • gensim—主题建模工具。
  • PyBrain—另一个机器学习库。
  • Crab —可扩展的、快速推荐引擎。
  • python-recsys —Python 实现的推荐系统。
  • thinking bayes—关于贝叶斯分析的书籍
  • Restricted Boltzmann Machines —Python 实现的受限波尔兹曼机。[深度学习]。
  • Bolt —在线学习工具箱。
  • CoverTree —cover tree 的 Python 实现，scipy.spatial.kdtree 便捷的替代。
  • nilearn—Python 实现的神经影像学机器学习库。
  • Shogun—机器学习工具箱。
  • Pyevolve —遗传算法框架。
  • Caffe —考虑了代码清洁、可读性及速度的深度学习框架
  • breze—深度及递归神经网络的程序库，基于 Theano。

　　数据分析/数据可视化

  • SciPy —基于 Python 的数学、科学、工程开源软件生态系统。
  • NumPy—Python 科学计算基础包。
  • Numba —Python 的低级虚拟机 JIT 编译器，Cython and NumPy 的开发者编写，供科学计算使用
  • NetworkX —为复杂网络使用的高效软件。
  • Pandas—这个库提供了高性能、易用的数据结构及数据分析工具。
  • Open Mining—Python 中的商业智能工具（Pandas web 接口）。
  • PyMC —MCMC 采样工具包。
  • zipline—Python 的算法交易库。
  • PyDy—全名 Python Dynamics，协助基于 NumPy， SciPy， IPython 以及 matplotlib 的动态建模工作流。
  • SymPy —符号数学 Python 库。
  • statsmodels—Python 的统计建模及计量经济学库。
  • astropy —Python 天文学程序库，社区协作编写
  • matplotlib —Python 的 2D 绘图库。
  • bokeh—Python 的交互式 Web 绘图库。
  • plotly —Python and matplotlib 的协作 web 绘图库。
  • vincent—将 Python 数据结构转换为 Vega 可视化语法。
  • d3py—Python 的绘图库，基于 D3.js。
  • ggplot —和R语言里的 ggplot2 提供同样的 API。
  • Kartograph.py—Python 中渲染 SVG 图的库，效果漂亮。
  • pygal—Python 下的 SVG 图表生成器。
  • pycascading

　　杂项脚本/iPython 笔记/代码库

　　Kaggle 竞赛源代码

　　Ruby

　　自然语言处理

  • Treat—文本检索与注释工具包，Ruby 上我见过的最全面的工具包。
  • Ruby Linguistics—这个框架可以用任何语言为 Ruby 对象构建语言学工具。包括一个语言无关的通用前端，一个将语言代码映射到语言名的模块，和一个含有很有英文语言工具的模块。
  • Stemmer—使得 Ruby 可用 libstemmer_c中的接口。
  • Ruby Wordnet —WordNet 的 Ruby 接口库。
  • Raspel —aspell 绑定到 Ruby 的接口
  • UEA Stemmer—UEALite Stemmer 的 Ruby 移植版，供搜索和检索用的保守的词干分析器
  • 推ter-text-rb—该程序库可以将推特中的用户名、列表和话题标签自动连接并提取出来。

　　通用机器学习

　　数据分析/数据可视化

　　Misc

　　杂项

　　R

　　通用机器学习

　　

　　数据分析/数据可视化

　　Scala

　　自然语言处理

  • ScalaNLP—机器学习和数值计算库的套装
  • Breeze —Scala 用的数值处理库
  • Chalk—自然语言处理库。
  • FACTORIE—可部署的概率建模工具包，用 Scala 实现的软件库。为用户提供简洁的语言来创建关系因素图，评估参数并进行推断。

　　数据分析/数据可视化

  • MLlib in Apache Spark—Spark 下的分布式机器学习库
  • Scalding —CAscading 的 Scala 接口
  • Summing Bird—用 Scalding 和 Storm 进行 Streaming MapReduce
  • Algebird —Scala 的抽象代数工具
  • xerial —Scala 的数据管理工具
  • simmer —化简你的数据，进行代数聚合的 unix 过滤器
  • PredictionIO —供软件开发者和数据工程师用的机器学习服务器。
  • BIDMat—支持大规模探索性数据分析的 CPU 和 GPU 加速矩阵库。

　　通用机器学习

  • Conjecture—Scalding 下可扩展的机器学习框架
  • brushfire—scalding 下的决策树工具。
  • ganitha —基于 scalding 的机器学习程序库
  • adam—使用 Apache Avro, Apache Spark 和 Parquet 的基因组处理引擎，有专用的文件格式，Apache 2 软件许可。
  • bioscala —Scala 语言可用的生物信息学程序库
  • BIDMach—机器学习 CPU 和 GPU 加速库。

　　翻译： 伯乐在线 - toolate

　　译文链接： http://blog.jobbole.com/73806/